I.7Речь, диалоги и встречи

Pantheon-RP-1.5-12b-Nemo-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Pantheon-RP-1.5-12b-Nemo, разработанной Gryphe. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена прежде всего для диалогов и roleplay-сценариев, а также для других задач генерации текста и работы в instruct-формате. Заявленный язык — английский. Доступны варианты от полного F32 до низкобитных Q2 и IQ-квантизаций, с размерами файлов примерно от 4,44 до 49 ГБ. Более качественные варианты Q5–Q8 требуют больше памяти, тогда как Q3 и Q2 подходят для систем с ограниченными ресурсами, но могут заметно уступать в качестве. Формат GGUF обеспечивает использование через совместимые инструменты, включая llama.cpp и LM Studio. Архитектура исходной модели, размер контекстного окна и поддерживаемые модальности в README не указаны; модель описана как текстовая. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и специализация исходной модели на roleplay-диалогах. Ограничения включают отсутствие сведений о точном формате промптов, контекстном окне и характеристиках базовой архитектуры, а также неизбежное снижение качества в наиболее компактных вариантах. Указанная лицензия — Apache-2.0.

Prototype-X-12b — слитая Vortex5 модель на архитектуре Mistral, созданная методом flowforge на основе KansenSakura-Erosion-RP-12b с участием KansenSakura-Eclipse-RP-12b и KansenSakura-Radiance-RP-12b. Модель содержит 12,1 млрд параметров, работает с текстом и предназначена для генерации текста и ролевых диалогов. Метод flowforge смещает базовую модель в направлении согласованного влияния донорских моделей, учитывая величину различий их весов относительно базы; автор описывает дополнительные настройки для управления силой и избирательностью слияния. В метаданных заявлен контекст до 1 024 000 токенов. Модель доступна в формате safetensors и использует библиотеку Transformers. Модель подходит для ролевых бесед и создания историй. README не сообщает отдельные результаты оценки качества или ограничения применения. Лицензия в предоставленных данных не указана.

Qwen2.5-0.5B-Instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели Qwen2.5-0.5B-Instruct, подготовленный пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и LM Studio. Для работы используется специальный chat-шаблон с ролями system, user и assistant. Модель содержит около 0,5 млрд параметров; в README указана поддержка английского языка. Доступны варианты от F16 размером около 0,99 ГБ до компактных IQ3_M и Q3/Q4-квантизаций размером примерно 0,34–0,40 ГБ, а также более точные Q5–Q8 варианты. Q6_K и Q6_K_L отмечены как варианты, близкие к исходному качеству, а Q4_K_M — как сбалансированный вариант по размеру и качеству. Отдельные форматы оптимизированы для ARM-процессоров и требуют соответствующих аппаратных инструкций. Сильные стороны модели — небольшой размер, возможность локального запуска и широкий выбор уровней квантизации под доступную память и оборудование. Ограничения — малый размер модели, потенциальное снижение качества у низкобитных вариантов и отсутствие в README сведений о длине контекста, архитектурных деталях и поддержке других языков. Модель распространяется по лицензии Apache-2.0.

TTam115/Qwen-2.5-3B-Tiny-Story — дообученная TTam115 языковая модель семейства Qwen2 для генерации текста. Она основана на unsloth/qwen2.5-3b-instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors; заявленная длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, в частности создания коротких историй. Метаданные также указывают интерфейс для вызова инструментов. Поддерживаемый карточкой язык — английский. Лицензия — Apache-2.0.

Модель Atsuki Yamaguchi — языковая модель Qwen2.5-7B-Instruct, адаптированная для телугу. Она продолжительно предобучена на 500 млн токенов телугу из MADLAD-400; словарь расширен на 10 тыс. токенов, а веса новых эмбеддингов и LM head инициализированы средним значением. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на телугу. Её можно применять для ответов на запросы, создания и продолжения текстов на этом языке. Для работы предусмотрена библиотека Transformers; веса опубликованы в формате safetensors. Лицензия — Apache 2.0.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO с использованием verl. Репозиторий содержит сохранение global_step_200 в формате safetensors с весами fp32; постобработка не выполнялась. Архитектура — плотная причинная языковая модель Qwen3ForCausalLM с 1,7 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов на основе текстового ввода. README описывает её как экспериментальный RL-чекпойнт, но не уточняет конкретные улучшенные навыки или сценарии применения, поэтому возможности базовой Qwen3 не следует автоматически считать подтверждёнными для этого чекпойнта. Базовая модель — Qwen/Qwen3-1.7B. Условия лицензии в предоставленных данных не приведены.

DreamFast публикует вариант Qwen3.5-9B с агрессивной аблитерацией отказов HauhauCS. Это плотная гибридная модель Qwen3.5 примерно на 9 млрд параметров: 24 из 32 слоёв используют Mamba2, остальные — полное внимание Transformer; веса доступны в формате safetensors. Модель предназначена для генерации текста и диалогов, включая сценарии, где требуется меньше отказов на запросы. Метаданные указывают интерфейс вызова инструментов, а карточка сообщает о сохранении большинства тестируемых возможностей исходной модели. По опубликованным в README тестам, результаты на MMLU и HellaSwag близки к базовой Qwen3.5-9B, но заметно снизились показатели GSM8K и TruthfulQA. В тесте HarmBench автор README сообщает об отсутствии отказов и 100% доле успешного выполнения вредоносных запросов; модель поэтому может выдавать опасный контент. Она принимает текст и рассчитана на английский и китайский языки; сведения о поддержке изображений в этой версии README не подтверждают, несмотря на мультимодальную базовую модель. Лицензия — Apache-2.0.

Bioaligned/Qwen3.6-27B-CoupledWelfare — дообученная методом continued pretraining модель на базе Qwen/Qwen3.6-27B, разработанная Bioaligned. Она предназначена для генерации текста и диалогов с установкой на решения, учитывающие взаимосвязанные последствия для благополучия людей, биосферы и сохранения возможностей самой модели. По описанию авторов, обучение формирует представление о недостаточной изученности биологических и человеческих систем; RLHF и DPO не применялись. Модель использует архитектуру Qwen3_5ForCausalLM с гибридным сочетанием линейного внимания и полнослойного внимания. В метаданных указаны 22,3 млрд параметров и контекст до 262 144 токенов; веса доступны в safetensors для Transformers. В тесте авторов на сценариях давления модель реже нарушала заданную установку, а результат MMLU на небольшой выборке совпал с базовой моделью. Эти результаты ограничены одним запуском, небольшой выборкой и закрытым набором сценариев, поэтому не доказывают общую устойчивость или неизменность возможностей. Модель обучена на версии v1 корпуса coupled-welfare; авторы отмечают концентрацию источников и отсутствие происхождения для крупнейшего слоя данных, что ограничивает воспроизводимость. Проверка при включённом режиме thinking не соответствует опубликованным результатам. Указана лицензия Apache-2.0.

RaceBench-MiniCPM5-v1.1 — дообученная модель saidutta69 на базе openbmb/MiniCPM5-1B. Это плотная причинно-языковая модель семейства Llama с 837,6 млн параметров и контекстом до 131 072 токенов. Она предназначена для генерации текста и диалогов; обучалась на наборе RaceBench-v1.1, включающем дистиллированные примеры и трассы работы агентов. В опубликованном сравнении с базовой MiniCPM5-1B модель показала снижение результатов на BBH, GSM8K и MMLU; автор сообщает, что улучшений на этих тестах не обнаружено. Это экспериментальная версия, поэтому её качество в задачах рассуждения и математики следует проверять на собственных данных. Для загрузки в README приведён пример с Transformers и `trust_remote_code=True`. Модель распространяется по лицензии Apache-2.0.

Raj-0 — модель распознавания речи на бирманском языке, выпущенная разработчиком Raj. Она дообучена на более чем 800 часах бирманской речи на базе NVIDIA Nemotron 3.5 ASR Streaming 0.6B и предназначена для преобразования живой речи или аудиозаписей в текст. Доступны исходные веса NeMo и компактная квантованная версия GGUF Q8 объёмом около 724 МБ; заявлена работа на устройстве, в том числе на Android среднего класса и на CPU Mac. Внутренняя проверка на 18,02 часах аудио показала CER 11,02%; сравнение проводилось с автоматическими транскриптами, а не с проверенной вручную разметкой. Модель сосредоточена на бирманском языке: английские слова могут записываться фонетически бирманским письмом, а распознавание бирманско-английской речи с переключением языков пока ограничено. Веса распространяются по лицензии Apache 2.0, допускающей коммерческое использование на её условиях.

Skyfall 39B v1 — текстовая модель генерации диалогов, созданная TheDrummer как дообучение экспериментально увеличенной версии Mistral Small 22B. Модель основана на архитектуре Mistral с плотной моделью MistralForCausalLM, содержит 38,8 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для чат-взаимодействия и ролевых диалогов; в README рекомендован шаблон Metharme и описан формат ролевой прозы от первого лица с действиями, репликами, мыслями и повествованием. Метаданные также отмечают интерфейс вызова инструментов, но карточка не приводит примеров его использования. Опубликована в формате safetensors; GGUF упомянут как ссылка, но не представлен среди доступных форматов в метаданных. Лицензия в предоставленных данных не указана.

CarrotAI/SmolLm-360M-Ko-Instruct — дообученная CarrotAI модель для генерации текста и диалогов на основе HuggingFaceTB/SmolLM-360M-Instruct. Она построена на плотной архитектуре семейства Llama с классом LlamaForCausalLM и содержит 361,8 млн параметров. Модель принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для генерации ответов и ведения диалога на корейском языке; суффикс Ko в названии указывает на корейскую специализацию, однако README не описывает обучение и оценку подробно. Весы доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

hyeogi/SOLAR-10.7B-v1.5 — корейская разговорная языковая модель, разработанная на основе yanolja/KoSOLAR-10.7B-v0.2. Это плотная причинная модель семейства Llama с 10,6 млрд параметров, предназначенная для генерации текста и диалога; контекст составляет до 4096 токенов. В README указаны выборки и перевод данных Open-Orca/SlimOrca и Anthropic/hh-rlhf, а также данные HAERAE-HUB/KMMLU, приведённые к формату инструкций. Модель принимает текст и выдаёт текст, ориентирована на корейский язык. Распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Доступная карточка не сообщает результатов оценивания качества или иных специальных возможностей сверх диалоговой генерации.

S-SOLAR-10.7B-v1.4 — языковая модель семейства Llama, дообученная hwkwon на базе chihoonlee10/T3Q-ko-solar-dpo-v1.0 с использованием DeepSpeed. Она предназначена для диалоговой генерации текста по шаблону с ролями User и Assistant. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст, поддерживает корейский язык и имеет контекст длиной до 4096 токенов. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает использование некоммерческими условиями.

fpadovani/swa-latn-100mb-ppt-shuff-dyck-10mb_seed10 — дообученная модель семейства GPT-2 на базе goldfish-models/swa_latn_100mb. Согласно карточке, обучение выполнено с использованием TRL; пример запуска показывает генерацию продолжения диалога в формате сообщений. Модель предназначена для генерации текста и ответов на пользовательские запросы. Она принимает текст и выдаёт текст; контекст ограничен 512 токенами. В репозитории указаны веса safetensors и библиотека Transformers. Лицензия в предоставленных данных не указана.

Модель francesca9805/swe-latn-100mb-ppt-Dp-10mb-packed-bfd_seed10 — дообученная Francesca9805 версия goldfish-models/swe_latn_100mb. Это плотная авторегрессионная языковая модель семейства GPT-2, сохранённая в формате safetensors и обученная с помощью TRL. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в диалоговом формате. Контекст модели составляет 512 токенов. Лицензия в предоставленных данных не указана.

SZL Holdings разработала szl-receiptagent-qwen35-0.8b-v2-merged — производную полноразмерную версия ReceiptAgent v2, полученную слиянием LoRA-адаптера с мультимодальной базой unsloth/Qwen3.5-0.8B. Это плотная модель семейства Qwen3.5 на архитектуре Qwen3_5ForConditionalGeneration; репозиторий содержит веса SafeTensors и конфигурацию для Transformers. Карточка заявляет текстовое использование, а конфигурация описывает текстовую и зрительную части, но репозиторий не содержит конфигурации обработчика изображений, поэтому загрузка изображений из него не поддерживается. Модель предназначена для генерации текста и диалоговых сценариев ReceiptAgent, где результат следует рассматривать как предложение для последующей проверки. Проверка эквивалентности с адаптером дала точные совпадения на пяти заданных запросах; это ограниченная проверка сохранности слияния, а не широкая оценка качества или возможностей. Решения об одобрении и исполнении должны приниматься вне модели: веса сами по себе не обеспечивают обязательное согласование. Развёртывание в production в карточке имеет статус HOLD. Лицензия указана как Apache-2.0.

Umievo-itr012-Gleipnir-7B-GGUF — это квантизированная GGUF-версия языковой модели Umievo-itr012-Gleipnir-7B, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана umiyuki и получена эволюционным слиянием четырёх японских языковых моделей: Japanese-Starling-ChatV-7B, Ninja-v1-RP-expressive-v2, Vecteus-v1 и Japanese-Chat-Umievo-itr004-7b. Для объединения использовался метод linear из mergekit. Модель предназначена для генерации текста и диалоговых сценариев на японском языке, включая роль ассистента, объяснение понятий и работу с инструкциями. Указан размер класса 7B; модель относится к текстовым авторегрессионным языковым моделям. Другие модальности и размер контекстного окна в README не указаны. В качестве примера предлагается форматирование запросов в стиле [INST] с системным сообщением и генерация до заданного числа новых токенов. На бенчмарке ElyzaTasks100 модель получила среднюю оценку 3,91 по результатам трёх автоматических оцениваний с помощью Llama3-70B. К сильным сторонам относятся специализация на японском языке, сочетание характеристик нескольких моделей и доступность квантизированного формата GGUF для запуска через совместимые инструменты. Ограничения включают отсутствие подробных сведений о точном варианте квантизации, контекстном окне, производительности и качестве вне японского языка; результаты автоматической оценки не гарантируют качество во всех сценариях. Лицензия указана как Apache-2.0.

Affine R1032 selective fallback SF1 — экспериментальный объединённый чекпойнт BF16 на базе модели unconst/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged. Разработчик описывает его как вариант с selective-fallback LoRA, применённой с масштабом 0,50; адаптер обучался методом DPO на сохранённых положительных ответах и очищенных альтернативных ответах для отдельных отрицательных примеров, затем был объединён с базовыми весами. Архитектура — Qwen3.5 MoE для текста, размер — 2,9 млрд параметров; модель поддерживает чат и генерацию текста, а заявленная длина контекста составляет 262 144 токена. Модель предназначена для экспериментальной оценки поведения selective fallback в диалоговой генерации, в частности для сохранения удачных ответов и замены ответов на отдельные нежелательные запросы альтернативами. Для запуска не требуются маршрутизатор, пользовательский код или PEFT-адаптер. README указывает, что обучение проводилось с контекстом 8 192 токена, поэтому заявленное окно контекста не следует путать с длиной контекста обучения. Результаты квалификации ещё не завершены: в карточке перечислены необходимые проверки, но их результаты не приведены. Лицензия в предоставленных данных не указана.

Карточка модели maitrix-org/Voila-autonomous-preview на Hugging Face совпадает с карточкой maitrix-org/Voila-Tokenizer, поэтому описание составлено по ней. Voila-Tokenizer — аудиотокенизатор семейства Voila от Maitrix, построенный на архитектуре EnCodec и представленный в формате safetensors. Он предназначен для преобразования аудио в представление, пригодное для работы голосовых языковых моделей и обратного преобразования в аудио; в карточке Hugging Face основная задача отмечена как audio-to-audio. Проект Voila описывает применение токенизатора в единой системе голосовых задач, включая распознавание речи, синтез речи, перевод речи и голосовой диалог в реальном времени. В метаданных перечислены английский, китайский, французский, немецкий, японский и корейский языки. Для семейства Voila заявлены потоковая обработка с низкой задержкой и поддержка множества голосов; конкретные параметры и результаты для этого токенизатора отдельно не приведены. Модель распространяется по лицензии MIT.

Korla/whisper-large-v3-turbo-hsb-translation-v1 — модель автоматического перевода речи с верхнелужицкого на немецкий, разработанная на основе Whisper Large-v3 Turbo от OpenAI и дообученная на данных, предоставленных Załožba za serbski lud. Для работы задают язык распознавания «czech» и режим «translate». Модель построена на архитектуре Whisper, содержит 905,2 млн параметров и распространяется в формате safetensors через Transformers. Модель предназначена для перевода устной верхнелужицкой речи в немецкий текст. Лицензия — CC BY-SA 4.0. Она не обучалась для транскрибации речи на исходном языке, поэтому для получения верхнелужицкой расшифровки следует использовать другую модель.

AEZAKMI-v2 — диалоговая донастройка Yi-34B-200K, опубликованная adamo1139. Модель построена на плотной архитектуре LlamaForCausalLM с 33,9 млрд параметров и контекстом до 200 000 токенов; в репозитории представлены веса safetensors. Обучение проводилось на наборе данных AEZAKMI v2 с использованием QLoRA и формата диалогов ChatML. Модель предназначена для свободного общения и ролевых диалогов, с акцентом на естественный язык и меньшую склонность к типичным формулировкам ассистентов, обученных с помощью RLHF. Автор отмечает, что она не рассчитана на сильные результаты в математике, загадках и сложных рассуждениях. Для генерации автор рекомендует штраф за повторение около 1,05; в ролевых сценариях возможны повторы и трудности с длинными системными сообщениями. Лицензия — Apache-2.0. Карточка указывает контекст базовой модели в 200 000 токенов; при этом автор сообщал, что конкретная квантованная сборка EXL2 с 4,65 bpw и 8-битным кешем работала с контекстом до 24 000 токенов.

francesca9805/zho-hans-100mb-ppt-Dp-10mb-packed-bfdiso_seed10 — дообученная Francesca9805 модель семейства GPT-2, основанная на goldfish-models/zho_hans_100mb. Модель обучалась с помощью TRL и предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel и принимает текст. Контекст ограничен 512 токенами. Веса доступны в формате safetensors. Сведения о лицензии и целевых языках в предоставленных данных отсутствуют.

Guilherme34/ArliAI-RPMax-Formax-v1 — языковая модель, созданная слиянием SLERP двух моделей ArliAI: Llama-3.1-8B-ArliAI-Formax-v1.0 и Llama-3.1-8B-ArliAI-RPMax-v1.1. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста в диалогах и творческих ролевых сценариях. Её можно использовать для продолжения историй, отыгрыша персонажей и создания ответов в чате. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Сведения о лицензии отсутствуют в предоставленных данных.

ARWKV-R1-1B5 — предварительная версия языковой модели от проекта ARWKV, построенная на гибридной архитектуре RWKV-7 с TimeMix и Transformer MLP. Модель объединяет элементы BlinkDL/rwkv-7-world и DeepSeek-R1-Distill-Qwen-1.5B; каталог классифицирует происхождение как слияние. Размер по метаданным — 1,5 млрд параметров, формат весов — Safetensors, библиотека — Transformers. Модель предназначена для генерации текста в диалоговом формате и демонстрации рекуррентного механизма RWKV-7. В README указаны линейная сложность по длине последовательности, отсутствие self-attention и постоянное потребление VRAM; обучение этой версии проводилось на 40 млн токенов с дистилляцией, без SFT и DPO. Для модели указано контекстное окно 32 768 токенов в метаданных, тогда как README описывает обучение с контекстом 2 048 токенов и называет его ограничением предварительной версии. Это ранний preview 0.1, поэтому качество ответов и рассуждений может быть нестабильным; заявленные улучшения для математики и RL относятся к планам проекта, а не к этой версии. Лицензия — Apache-2.0. (В README также встречается несогласованное описание как 7B-модели; размер 1,5B взят из метаданных.)

Average_Normie_v2_l3_8B — объединённая текстовая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit и метода Model Stock. В качестве базовой использована ResplendentAI/Kei_Llama3_8B, также в слияние вошли Poppy_Porpoise-v0.7-L3-8B, Roleplay-Llama-3-8B и L3-TheSpice-8b-v0.1.3. Модель содержит 7,5 млрд параметров, сохранена в формате safetensors, работает с контекстом до 8192 токенов и рассчитана на текстовые диалоги. Модель предназначена для генерации продолжений и ролевых диалогов, включая реплики персонажей и описание действий. Её можно применять в чат-сценариях, где нужны ответы от лица персонажа или интерактивное повествование. В карточке указана лицензия? Нет.

Behemoth-123B-v1.2 — большая языковая модель семейства Mistral, опубликованная TheDrummer и представленная BeaverAI. Она предназначена прежде всего для диалогов и творческого ролевого взаимодействия: авторы отмечают разнообразную прозу, естественные ответы и способность поддерживать характер персонажа. Модель содержит 122,2 млрд параметров, использует плотную архитектуру MistralForCausalLM и имеет контекстное окно до 131 072 токенов. В карточке указана поддержка шаблона чата Metharme; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текстовые запросы и генерирует текст. В README предпочтение отдано ролевому формату с действиями, диалогом, мыслями и повествованием от первого лица. Карточка не сообщает о поддерживаемых языках, поэтому языковую специализацию определить нельзя. Лицензия обозначена как other; конкретные условия использования следует уточнять в репозитории модели. Оценки качества в README основаны на отзывах сообщества и не являются независимыми результатами тестирования.

Cantonese LLM — предварительная языковая модель на архитектуре Llama 2 с 7 млрд параметров, разработанная Votee AI Limited при участии сообщества hon9kon9ize, Hong Kong AI Research Community. Модель дообучена для понимания и генерации текста на кантонском языке, включая сленг, разговорные выражения и интернет-лексику. Модель предназначена для генерации кантонского текста и диалоговых сценариев на этом языке. Она использует плотную архитектуру LlamaForCausalLM, принимает текст и выдаёт текст; длина контекста — 4096 токенов. Обучение проводилось на Amazon HyperPod с ускорителями AWS Trainium. Репозиторий распространяется по лицензии CC BY-SA 4.0. Это preview-версия: ответы могут быть неточными, содержать галлюцинации или оскорбительный контент, поэтому их следует проверять перед использованием.

C-Based-2x7B — языковая модель для генерации текста, созданная Undi95. Автор объединил MixTAO-7Bx2-MoE-v8.1 с собственной MoE-моделью, обученной на данных обратной связи Chaiverse. Модель рассчитана прежде всего на реалистичное общение и ролевые сценарии, включая ERP; также заявлены интеллект и широкий спектр применений. Используется шаблон запросов Alpaca. Архитектура — Mixtral MoE; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а README описывает исходные файлы как fp16. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Автор называет её экспериментальной «frankenmoe» и не приводит оценок итогового качества.

CheXagent-2-3b — модель Stanford AIMI на архитектуре Phi для генерации текста в диалоговом режиме. Репозиторий содержит веса в формате safetensors; модель насчитывает 3,5 млрд параметров и рассчитана на контекст до 2048 токенов. Карточка связывает её с проектом CheXagent, однако приведённый README не описывает подробно сценарии применения, модальности или языковую поддержку. Модель распространяется по лицензии MIT. Метаданные указывают задачу text-generation и возможность диалогового взаимодействия; медицинская специализация предположительна по названию и проекту, поэтому её конкретные возможности и ограничения по README установить нельзя.